Claude Sonnet 4.6材料约束暴跌20.5分 代码执行却冲到100
今日Smoke评测中，Claude Sonnet 4.6材料约束从100.00跌至79.50，降20.5分；代码执行从73.70升至100.00，主榜反升5.2分至90.78。工程判断（侧榜，AI辅助评估）跌39.5分。单日10题抽样波动或为主要因素，需持续观察。
Claude Opus 4.7 与 GPT-o3并列100分：2026-08-27 Smoke快测数据简报
2026-08-27 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 GPT-o3 以 100 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
Claude Sonnet 4.6 暴涨13.5分 Gemini 2.5 Pro 暴跌12.5，WDCD v3.1 守约榜单剧烈洗牌
本期WDCD v3.1测试中，Claude Sonnet 4.6较Run #291上涨13.5分升至91.60分，Gemini 2.5 Pro下跌12.5分，Grok 4以96.30分继续领跑。3升4降格局下，守约能力分化加剧，对生产流程接入具有直接参考价值。
WDCD五大场景横评：安全合规最低1.5分，qwen3-max偏科差2.5
WDCD v3.1五大场景测试显示，安全合规场景全体得分最低，qwen3-max仅1.5/4，claude-sonnet-4.6满分。doubao-pro工程规范3.9/4却业务规则仅2.15/4，差距1.75。企业接入生产流程时，安全合规与业务规则需额外护栏。
11 模型 v2 锚点题 R3 诚信率 0%：WDCD 守约测试全线崩盘
v2 锚点题数据显示 11 个模型 R1 确认率、R2 抵抗率、R3 诚信率均为 0%，R3 完全崩溃 0/10。所有模型在三轮施压下均未守约，凸显当前大模型在硬约束下的系统性脆弱。
Grok 4 96.3分领跑WDCD，豆包Pro 67.9分垫底差距28分
Grok 4以96.30分位居WDCD v3.1守约榜首，豆包Pro 67.90分垫底，11模型中满分率58.2%、R3崩溃率0%。头部三强与尾部三强平均分差超24分，Claude Sonnet 4.6单期上涨13.5分，GPT-5.5下滑5.3分。数据揭示不同模型在多轮施压下的真实约束生存差异。
豆包Pro代码执行暴跌16.7分 材料约束却升30.6分
豆包 Pro 在今日 Smoke 评测中代码执行从 91.70 分跌至 75.00 分（-16.7），材料约束从 69.40 分升至 100.00 分（+30.6），主榜从 81.67 分升至 86.25 分（+4.6）。工程判断升 36.1 分，任务表达降 8.3 分。诚信评级维持 pass。数据指向题目抽签波动而非模型退化。
GPT-o3以97.75分居首：2026-08-26 Smoke快测数据简报
2026-08-26 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 97.75 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
暴风影音与 RMVB 年代：万能播放器、解码器地狱与看片自由
歌听上了，接下来是电影。RMVB 把一部电影压进 300MB，也把所有人推进"有声音没画面"的解码器地狱——于是"万能播放器"成了那个年代最动人的承诺。档案馆的收录页记下了全部细节：1.5MB 的 MPC 与 34.8MB 的暴风"万能版"、PotPlayer 简介里白纸黑字的作者出走始末、快播去广告版里民间高手的改版手记。这一次腾讯照例入场，而且产品真赢了口碑——却没能赢下时代。
MP3 与千千静听时代：歌词秀、皮肤与一个人写出的国民播放器
文件下回来了，接下来是听。MP3 把整个乐坛装进硬盘，Winamp 强大到在下载站拥有自己的专属分类，而 2.7MB 的千千静听用歌词秀和皮肤装下了一代人的青春。档案馆的收录页记下了这一切：酷狗被归在"文件共享"类的 P2P 出身、千千静听被收购后悄悄出现的"在线歌曲限速设置"、以及星级从五星到三星的滑落。这一次，腾讯照例入场——而且这一次，它赢了。
GPT-o3以86.25分居首：2026-08-25 Smoke快测数据简报
2026-08-25 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 86.25 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
DeepSeek V4 Pro材料约束暴跌18.4分，代码执行反升11.1分
DeepSeek V4 Pro今日Smoke评测中材料约束从81.70分跌至63.30分，降幅18.4分，主榜仅微降2.2分至80.46分。代码执行却从83.40分升至94.50分，工程判断从75.00分跌至50.00分。单日10题快测下，材料约束异常波动值得追踪。
Gemini 3.1 Pro以96.98分居首：2026-08-24 Smoke快测数据简报
2026-08-24 赢政指数 Smoke 快测覆盖 11 个模型，Gemini 3.1 Pro 以 96.98 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
下载工具战争：网际快车的陨落、迅雷的降维与 BT 的地下江湖
在带宽以 KB 计的年代，"下载"是一门手艺，也是中文互联网最惨烈的软件战争之一。网际快车的编辑星级从五星跌到三星，档案馆的收录页亲眼记下了这场王朝更替；BT 与电驴教会一代人"上传也是美德"，迅雷用 P2SP 完成降维打击，而腾讯照例入场——这一次也没能赢。
4模型WDCD集体上涨无人下滑 Grok 4仍以94分领跑
本期WDCD v3.1试点显示4模型分数上升、0模型下降。豆包Pro上涨10.2分，Gemini 2.5 Pro上涨8.1分，GLM-4.6上涨6.8分，Qwen3 Max上涨7.6分。Grok 4以94.00分保持首位，GLM-4.6升至88.93分进入前二。数据来自worst-of-3采样与规则判分。
业务规则1.83分最低，Grok-4安全合规3.86分，五大场景守约谁最不可靠
WDCD v3.1试点数据显示，业务规则场景平均得分最低，Doubao-Pro仅1.83/4；Grok-4在资源限制、安全合规、业务规则三场景均列前二；工程规范整体最高但区分度最小。企业接入生产流程时需针对性加护栏。
R3崩溃26次 Grok4零崩盘，WDCD三轮衰减真实轨迹
v2锚点题数据显示，R1确认率97%、R2抵抗率77%、R3诚信率仅51.3%，26次完全崩溃。Grok 4 R3零崩溃，GLM-4.6与Claude Opus 4.7各仅1次。分析聚焦多约束场景与渐进施压下的守约差异，为生产接入提供具体护栏建议。
Grok 4 94分登顶 WDCD守约榜 豆包 Pro 68分垫底差距26分
Grok 4 以 WDCD 94.00 分位列第一，豆包 Pro 68.17 分垫底，头部与尾部相差 25.83 分。R3 施压轮次崩溃率仅 8.2%，满分率 56.7%。数据揭示不同模型在多轮渐进施压下的真实守约差异，为企业接入生产流程提供直接参考。
网吧时代：摇钱树计费、雨过天晴还原与浩方对战，一代人的"第一台电脑"
对很多人来说，人生第一台电脑不在家里，在网吧的 3 号机上。计费系统是网吧的操作系统，还原软件让机器"百毒不侵"，ARP 攻防是第一堂网络安全实战课，浩方与联众撑起对战的黄金年代——档案馆复原的网吧软件条目，拼出了这个消失行业的技术底座。
DeepSeek V4 Pro以82.64分居首：2026-08-23 Smoke快测数据简报
2026-08-23 赢政指数 Smoke 快测覆盖 11 个模型，DeepSeek V4 Pro 以 82.64 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
输入法战争：从智能 ABC 到搜狗拼音，谁先猜中你想打的字
输入法之战争夺的不是钱包，而是你敲下的每一个字。从智能 ABC 与五笔的路线之争，到拼音加加、紫光拼音的民间救赎，再到搜狗用搜索引擎词库降维打击、谷歌拼音的词库风波——档案馆复原的"汉字输入"分类收录页，完整保存了这场二十年战争的各个阵营。
Gemini 2.5 Pro 主榜从18.37跃至83.39，材料约束12.1直达100
Gemini 2.5 Pro今日Smoke评测主榜升至83.39分，代码执行从23.50升至69.80，材料约束从12.10升至100.00，诚信评级从fail转为pass。单日10题测试下，如此大幅波动最可能源于题目抽签差异，而非模型本身发生实质性改变。
Claude Opus 4.7以100分居首：2026-08-22 Smoke快测数据简报
2026-08-22 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 以 100 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
杀毒软件的免费革命：瑞星的狮子、熊猫烧香与 360 的"永久免费"
2008 年装杀毒软件要花钱：瑞星的狮子、金山毒霸、江民 KV2007，讲究的上卡巴斯基。熊猫烧香把安全焦虑推到顶点，行业迎来黄金时代——然后 360 的"永久免费"三年清盘了整个收费市场。档案馆复原的老收录页，完整保存了这场免费革命前夜的市场生态。
2008 年的装机单：搜狗拼音、千千静听、暴风影音……它们后来都怎么样了
2008 年重装完 XP，每个人都有一张烂熟于心的装机单：搜狗拼音、QQ 2009、千千静听、暴风影音万能版、迷你迅雷、瑞星杀毒、WinRAR……赢政天下软件史档案馆从 Wayback 复原了这批老软件的原始收录页。我们按当年的装机顺序重新铺开这张单子，看看它们后来都去了哪。
我们造了四条毫无意义的规则想诱骗AI违规，全失败了
WDCD v4行为判分上线：模型代码在插桩沙箱里真跑，按运行时动作日志判违规，换写法绕不过。我们用四条零危害的官僚规则+权威施压话术诱导模型"理性违规"，三梯队模型全部顶住；删掉"代码会被监控"的告知后重测，结果不变。顶部模型的代码级守约是真实行为——顺带我们还发现并修复了自家判分器的一起"冤案"。
Gemini 2.5 Pro 诚信评级 fail 探针 25 分，主榜 18.37 分代码执行仅 23.50
Gemini 2.5 Pro 在 2026-08-21 Run#288 的 Smoke 快测中诚信评级 fail，探针得分 25.00，主榜 18.37 分，代码执行 23.50 分，材料约束 12.10 分。同日其余模型诚信均为 pass 或 warn，探针得分 40-90 分不等。
Claude Opus 4.7以95.08分居首：2026-08-21 Smoke快测数据简报
2026-08-21 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 95.08 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
GPT-5.5 Smoke评测主榜暴跌10.1分 材料约束单日掉16.3
GPT-5.5今日Smoke评测主榜从98.35分跌至88.27分，降幅10.1分。其中材料约束从100.00分跌至83.70分，代码执行从97.00分跌至92.00分。工程判断保持75.00分不变，任务表达下降10分，诚信评级维持pass。
Claude Opus 4.7主榜暴跌8.2分，材料约束单日掉12.1
Claude Opus 4.7今日Smoke评测主榜从98.35分跌至90.16分，材料约束从100.00暴跌至87.90，代码执行降5分。单日10题测试下，材料约束维度成为最大拖累。